人工智能在甲状腺结节诊断中的应用

华盛顿特区—人工智能(AI)在改善甲状腺结节评估的棘手任务方面取得了长足的进步,中国的一项新研究表明,人工智能辅助的超声诊断系统在以下方面具有相似(甚至在某些情况下甚至更高)的准确性对结节的诊断评估与医生相比。


解放军总医院超声科医师罗宇坤医师说:“我们的病例表明,人工智能辅助的超声诊断系统可以识别...甲状腺结节的图像特征并评估其恶性风险。”陆军,中国北京,在此出席美国甲状腺协会(ATA)2018年年会。


“此外,该系统可以帮助医生提高诊断效率和准确性。”


Luo及其同事使用“深度学习”和卷积神经网络对AI辅助系统进行了编程,以使用已经获得病理结果的6000多个图像的数据库来自主处理良性和恶性甲状腺结节图像。


罗说:“该系统使用静态图像分割来识别清晰的边缘,不规则的边缘以及与颈动脉和主要结节相邻的位置。” 动态图像分割允许进一步评估。


在询问她对这项工作的看法时,会议主持人,明尼苏达州罗切斯特市梅奥诊所的医学博士Mabel Ryder告诉Medscape Medical News,这项研究表明,将来有可能进行甲状腺评估。


赖德说:“我认为这当然很有趣……而且甲状腺结节如此普遍,令人兴奋的是,人脑之外的工具可以帮助我们冒险对甲状腺结节进行分层,并有望防止许多不必要的良性结节手术。”他是ATA计划委员会的联席主席。


“结核影响了70%的人口。许多阅读超声报告的人可能没有经验丰富的甲状腺放射科医生或内分泌科医生,他们擅长从非可疑结核中挑出可疑结核,因此可靠地采用AI方法将是一件非常有趣和令人兴奋的事情,她补充说。


AI读物与医师判断的比较及补充

为了验证系统的准确性,Luo的团队选择了789个甲状腺结节的静态图像,包括444例良性和345例恶性,它们具有清晰的活组织检查或手术病理结果。使用的图像来自10种不同类型的超声设备,线阵列探头的范围从4.5到13 MHz。


图像被存储为连续的纵向和横向截面。


将AI读数与初级和高级医师的读数进行比较,结果表明,AI系统的敏感性为81.2%,而初级医师为67.3%,高级医师为87.4%,将AI与判断相结合时为83.2%初级医师。